一种基于相似度的高效网络流量识别方案

作者：杜瑞颖 杨勇 陈晶 王持恒网络流量识别机器学习支持向量机

摘要：支持向量机（support vector machine，SVM）是分类算法中集高效性、准确率和实时性于一体的分类方案。但由于在SVM分类决策的过程中，无关的分类器也参与了投票，使得方案的实时性和分类可靠性有一定程度的降低。提出了基于相似度的高效SVM网络流量识别方案（efficient SVM based on similarity，ESVMS）。ESVMS通过估算待分类实例可能所属的类别范围，排除SVM中那些无关分类器的投票决策。实验结果表明ESVMS较SVM分类准确度几乎没有降低，但分类实时性进一步提高。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社